NE时代

阮野 HERE Technologies 大中华区总经理

自动驾驶正迈入一个全新阶段。

当行业的目光从L2+能力持续精进，投向更高阶的L3级自动驾驶，关注的焦点不再只是“还能增加什么新功能”，而是“如何让更高阶的自动驾驶在边界清晰的运行条件下真正落地”。

这一转变还在持续加速。根据全球科技市场研究机构Counterpoint Research预测，到2035年，先进驾驶辅助系统（ADAS）与自动驾驶汽车的全球综合渗透率将从2025年的66%跃升至94%；届时，SAE L3级和L4级汽车将占全球新车销量的20%。

当行业从“能力扩张”走向“规模化部署”时，曾经隐于幕后的基础性问题开始愈发清晰。其中一个关键问题就是：面对不同道路场景和不同市场，车辆如何持续获得可靠、新鲜的道路信息，以此支撑自动驾驶系统的开发、验证和实际应用？

这也让位置智能的战略价值日益凸显。

01.

位置智能：为AI提供理解道路所需的情境信息

在AI时代，车辆对位置情境信息的需求，比以往任何时候都更加迫切。

传感器的功能固然强大，但仍会受视距、天气和遮挡物的限制。车辆或许能够探测到周边的即时情况，却未必能知道弯道后的交通信号灯情况，前方有没有收费站或者隧道入口、车道是否限行或者当前路段适用什么规则。

位置智能能够突破传感器的局限，将车辆的认知范围延伸至物理视野之外，通过提供关于路网结构、道路属性和动态变化的结构化、持续性信息，让AI扎根于物理现实世界。

这一点尤为关键，因为自动驾驶系统需要在多个时间维度上同时进行判断：既要迅速响应当下发生的情况，也要预判接下来几秒可能发生什么，同时还必须让车辆始终保持在特定路段或地区所划定的运行设计域（ODD）之内。位置智能将这些层面串联起来，使车辆不再只是被动应对道路，而是能够在一个更广泛、可信赖的参照系中去“读懂”道路。

这正是现代位置智能与传统地图的根本区别。它告诉车辆的不再只是“你在哪里”，而是帮助车辆理解“你周围的道路究竟意味着什么”。

02.

规模化时代，位置智能是安全与部署的“压舱石”

这一转变之所以重要，是因为自动驾驶正从技术验证走向更广泛的落地部署，同时也要面对越来越严格的监管审视。

在中国，监管部门已经开始明确L3、L4自动驾驶国家层面要求，在欧盟，UN-R157等监管框架也已要求自动车道保持系统必须清晰界定其运行条件。纵观各个市场，趋势高度一致：自动化水平越高，对确定性、清晰运行边界，以及系统运行表现证据可追溯的要求就越严格。

法规并不指定单一的技术架构，但它要求OEM回答：你的自动驾驶功能可以在何处、何种条件下运行，以及如何证明系统当时发生了什么。位置智能，恰好是界定、验证和清晰传递这些边界的关键工具。

对于正在全球布局的OEM而言，这一能力至关重要。一套在某一市场行之有效的系统，无法原封不动地“移植”到另一个市场。道路规则、交通标志、车道设计、驾驶习惯、型式认证和数据治理，都决定了车辆需要“理解”不同的信息。

由此也带来一个不易被察觉的挑战：数字一致性。物理基础设施不仅因市场而异，还会随时间动态变化。通过汇聚和分析车辆回传数据和其他信源，位置智能能够捕捉道路属性的变化，进而形成更一致、持续更新的道路环境数字化表征。

对OEM而言，这种一致性带来的是切实的效率提升：无需逐个市场从零搭建情境信息，验证效率更高，工程团队也能更清楚地判断自动驾驶功能何时、何地具备规模化条件。在软件可以快速迭代、而物理基础设施仍参差不齐的现实下，这一数字化支撑的战略意义将愈发突出。

因此，位置技术服务商的角色也从提供地图升级为OEM的部署合作伙伴，在合规适配、本地化落地和持续优化等维度提供体系化支持。

03.

合作的逻辑，也在悄然改变

地图的角色变了，OEM与位置技术公司的合作逻辑也在同步变化。

如今，OEM需要远不只是一张“地图”。他们需要的是位置数据、软件能力和持续更新的服务体系，并且这些能力要根据不同应用场景和技术架构灵活组合。

对于软件定义汽车而言，一个统一、可靠的位置底座，是支撑导航、ADAS、自动驾驶、仿真、合规验证乃至车辆全生命周期升级的基石。

同样的底座还能在车辆上路之前就发挥价值，即支撑AI模型的训练与测试。仿真与验证的可靠性依赖于对道路几何形态、交通规则和本地条件的真实还原。仿真环境越贴近现实，OEM就越能有效评估极端和边缘场景，为新市场准入做好准备，并持续优化系统表现。

当然，广覆盖和高精度依然是基础，但行业竞争的焦点正在转变：衡量一家位置技术服务商的核心标准，不再只是它拥有多少公里的地图数据，而在于它能否高效“理解”现实世界的变化，并将这种“理解”传递给AI系统。

04.

AI需要扎根物理世界的锚点

AI并没有让地图失去价值，反而在推动行业重新思考地图的使命。在自动驾驶系统中，地图的价值不再仅仅取决于它能否精准引导人类从A点到达B点，而越来越取决于它能否帮助机器理解周围的运行环境。

传感器帮助车辆感知世界，AI帮助解读传感器所看到的一切，而位置智能则提供持续存在的环境情境信息，将感知与理解无缝连接。它让系统把当下探测到的信息，与这条道路应有的规则、可能正在发生的变化以及必须遵守的约束，进行交叉印证和深度关联。

随着车辆自动化程度不断提升、AI更深入地融入物理世界，这一区别将愈发重要。道路从来不是静止不变的背景板，而是一个持续变化、充满规则、高度本地化的复杂环境。在其中运行的机器，仅靠感知远远不够；它们还需要共享、可信且持续更新的情境信息。

对整个行业而言，我们需要重新审视“无图”的讨论。真正的问题并不是AI能否依靠更少的预设条件实现驾驶，而是AI在缺乏对地点可靠认知的情况下，能否安全运行。当车辆从受控试点驶向真实世界，对地点的理解，将成为精彩的技术演示与真正可信赖的系统的分水岭。

或许这正是AI时代真正的变革：地图不再只是回答“我在哪里”，而正在成为机器理解“我能去哪儿”、“这条路有什么要求”、“周围环境正在如何变化”、“我何时该从容前行、何时该谨慎决策”的核心支点。从这个意义上说，自动驾驶的未来不会“无图”，反而会比以往任何时候都更加紧密地与位置智能交织在一起。